DSP 기반 임베디드 얼굴 인식 시스템 설계 및 구현 = Design and implementation of DSP-based Embedded Face Recognition System

국문 초록 (Abstract)

얼굴 인식 알고리즘은 복잡하여 계산량이 많으므로 단순한 임베디드 구현은 제대로된 성능을 내기 힘들다. 실시간 얼굴 인식에서 제일 먼저 수행되어야 하며 많은 수행 시간을 필요로 하는 부분이 얼굴 검출이다.
본 논문에서는 임베디드 시스템의 프로세로로 많이 사용되는 TI 사의 다빈치 DSP 프로세서인 DM6437에서 얼굴 검출 최적화 구현을 중심으로 얼굴 인식 알고리즘의 구현에 대해 연구하였다.
DM6437은 내부 메모리를 지원한다. 내부 메모리는 외부 메모리보다 빠르므로, 얼굴 검출 알고리즘을 프로파일링하여 수행이 자주 이루어지고 계산량이 많이 소요되는 루틴들을 내부 메모리에 배치하게 하는 메모리 최적화를 통해 전체 수행 속도를 개선하였다. DM6437 은 고정 소수점 프로세서인 데, 부동 소수점 실수 연산을 보다 빠르게 처리하기 위해서는 S/W 에뮬레이션을 사용하는 것보다는 고정 소수점 연산을 활용하도록 하는 것이 필요하다. 본 논문에서는 TI 사에서 제공한 고정 소수점 TI DSP 에서의 부동소수점 연산의 고정 소수점 연산 변환 지원 라이브러리인 IQmath 라이브러리를 이용하여 얼굴 검출 알고리즘을 구현하여 수행 속도 개선을 얻었다.
본 논문의 연구 결과는 향후 임베디드 얼굴 인식 시스템 최적화 구축에 기여할 것으로 기대된다.

다국어 초록 (Multilingual Abstract)

Face Recognition Algorithms are complicate and need a lot of computational burden so that simple embedded implementation may not produce acceptable real-time performance. Face detection is the first part to be processed and one of the most computational demanding part in the face recognition.
In this thesis, we study about the optimal implementation of face recognition algorithm on the DM6437, a popular TI DSP processor, centering around face detection algorithm. DM6437 suports internal memory which is much faster than external memory. We achieve execution speed performance gain by placing the most frequently called and demanding routines onto the internal memory after a thorough profiling of face detection algorithm.
DM6437 is a fixed-point processor, and one may need to utilize fixed-point arithmetic operation rather than using S/W emulation for faster processing of floating point real-number arithmetics. In this thesis, we provide efficient fixed-point implementation of floating-point arithmetics in the adaboost-based face detection algorithm using IQMath library, TI's fixed-point converting arithmetic library. This fixed-point implementation shows considerable execution speed performance gain.
It is expected that the research results in this thesis will contribute to the future optimal implementation of an embedded face recognition system.

목차 (Table of Contents)

• 제 1 장 서론 1
• 제 2 장 배경 이론 5
• 2.1 영상 감시 시스템의 개요 5
• 2.2 TMS320DM6437 5
• 2.2.1 DSP Subsystem 8
• 2.2.2 TMS320DM6437의 MEMORY MAP 9
• 2.3 DaVinci Platform 개발환경 10
• 2.3.1 DaVinci DSP 개발환경 10
• 2.3.2 DSP 컴파일을 위한 XDC 환경 설정 11
• 2.4 얼굴 인식 시스템 13
• 2.4.1 모델링 과정 14
• 2.4.1.1 눈 검출 14
• 2.4.1.2 기하학적 정규화 23
• 2.4.1.3 AAM 모델 구성 24
• 2.4.1.4 EBGM 모델 구성 25
• 2.4.2 등록 과정 25
• 2.4.2.1 특징점 검출 26
• 2.4.2.2 조명 전처리 27
• 2.4.2.3 가버 특징 벡터 추출 28
• 2.4.2.4 특징 벡터 Database 28
• 2.4.3 인증 과정 29
• 2.4.3.1 유사성 측정 29
• 2.4.3.2 SVM 기반 허용/거부 판별법 30
• 2.5 얼굴 검출 시스템 32
• 2.5.1 웨이블릿 특징 모형 32
• 2.5.2 AdaBoost알고리즘 33
• 2.5.3 AdaBoost를 이용한 계층 분류기의 학습 34
• 제 3 장 연구 개발 시스템 36
• 3.1 시스템 H/W의 구성 36
• 3.2 시스템 S/W의 구성 37
• 3.2.1 영상 획득 모듈 응용 소프트웨어 구조 38
• 3.2.2 VPFE 영상 처리부 40
• 3.2.2.1 CCDC 모듈 40
• 3.2.2.2 CCD 카메라를 이용한 raw image 영상획득 41
• 3.2.2.3 Preview Engine 42
• 3.2.2.4 Resize Engine 44
• 3.2.3 영상 출력 모듈 응용 소프트웨어 구조 45
• 3.2.4 DSP 코어 응용 소프트웨어 구조 48
• 3.2.4.1 AdaBoost 기반 얼굴 검출 알고리즘 48
• 3.2.4.2 DSP 응용 S/W의 구조 49
• 3.2.5 다빈치 프로세서 기반 얼굴 검출 시스템 전체 S/W 구조 50
• 3.2.5.1 얼굴 검출 시스템 구조 50
• 제 4 장 최적화 52
• 4.1 TMS320DM6437 메모리 이해 및 최적화 52
• 4.1.1 내부 메모리 구조 52
• 4.1.2 메모리 대역폭 53
• 4.1.3 메모리 접근 속도 53
• 4.1.4 L2메모리 분할 54
• 4.1.5 내부 메모리 구성 및 배치 54
• 4.1.5.1 내부 메모리 구성 55
• 4.1.5.2 내부 메모리 배치 56
• 4.1.6 실험 환경 및 결과 57
• 4.2 내부 메모리 배치 최적화 61
• 4.2.1 TMS320C64X+의 구조 61
• 4.2.2 비젼 알고리즘의 프로파일링 63
• 4.2.3 비젼 알고리즘의 Call graph 프로파일링 65
• 4.2.4 실험 환경 및 결과 65
• 4.3 IQmath Library기반 고정 소수점 최적화 구현 65
• 4.3.1 Qmath 66
• 4.3.2 IQmath Library 67
• 4.3.3 IQmath 기반 Fixed-Point 구현 68
• 4.3.3.1 iQmath Library 함수 이용 68
• 4.3.4 실험 환경 및 결과 70
• 4.4 구현 결과 71
• 제 5 장 결론 73
• 참고문헌 74